【摘 要】
：
随着科技发展,无线通信设备的使用范围越来越广,在为人们生活带来便捷的同时,给无线电监管工作带来了严峻的挑战。信号接收机作为无线电监管设备中的接收前端,其性能对于监测效果至关重要。本文根据实际需求,分析和实现了宽带超外差阵列接收机,主要工作内容包含以下几点:（1）基于接收机的常见结构,针对接收机性能指标要求,选择了一种超外差式结构,作为本文设计和研究的基础。在此基础上,分析了如何实现抗干扰能力较强、
论文部分内容阅读
随着科技发展,无线通信设备的使用范围越来越广,在为人们生活带来便捷的同时,给无线电监管工作带来了严峻的挑战。信号接收机作为无线电监管设备中的接收前端,其性能对于监测效果至关重要。本文根据实际需求,分析和实现了宽带超外差阵列接收机,主要工作内容包含以下几点:（1）基于接收机的常见结构,针对接收机性能指标要求,选择了一种超外差式结构,作为本文设计和研究的基础。在此基础上,分析了如何实现抗干扰能力较强、接收灵敏度较高、动态范围较大的信号接收机。（2）基于超外差两次变频结构,给出了接收机具体链路设计,针对频段预选器进行了仿真、测试以及优化。通过仿真验证了接收机设计的可行性,随后从射频电路设计和接收机配置两个方面描述了接收机的实现过程。（3）在无线电监测相关算法中,很多情况下要求采用阵列接收前端形式而非单个接收机。在单接收机的性能要求基础上,接收机阵列需进一步考虑通道一致性与通道间串扰问题。本文针对通道一致性问题给出了一种具体的解决方案,围绕通道间串扰问题进行了仿真分析,从PCB设计层面,提出了减少通道间串扰的设计要点。（4）基于本文中的各项分析,实现了一种八接收通道阵列接收机。测试表明该接收机频率范围为9k Hz～6GHz、接收灵敏度达到-100dBm、动态范围达到60dB。
其他文献
步态识别是通过人的步态特征对行人身份进行识别,步态特征相较于其他生物特征有着明显的优势,即在远距离或低视频质量情况下的可辨别能力。由于人的走路姿态是一种长时间的行为习惯,这种习惯不容易隐藏和改变,步态特征难以伪装和模仿,可以用于行人身份的识别。近年来,随着人工智能和深度学习的发展,人们更倾向于利用人工智能技术来处理识别领域的一些问题,步态识别逐渐走进人们视野,在安防和刑侦领域都极具发展潜力。很多资
近年来,随着无线通信技术的发展,越来越多基于无线网络的应用诞生。诸如无人驾驶、无人机、智能电网等物联网应用对通信带宽、时延等服务质量（Quality of Service,Qo S）指标的需要不断提高,这也使得在无线网络中,大量的基础设施需要共享有限的信道资源（如空间、频域、时域等）。因此,作为解决无线网络中资源分配问题的关键,调度一直都是无线通信中研究的核心和热点问题。本文研究的是无线调度中的经
情感分析是情感计算领域的主要角色,该任务主要是利用计算机来检测、分析和评估人类对不同事件、问题等兴趣产物的认知,它的应用场景在我们的生活中可以说是无处不在,在商品零售、社会舆论、金融交易等领域均能够发挥巨大的作用。传统的情感分析大多数只是基于单一模态特征来进行推理,然而在我们周围的世界中,往往包含着多种多样的模态信息,比如我们身处于一个对话场景中时,除了面对面看到对方的面部表情外,还能够听见对方说
基于RGB-D相机的即时定位与建图（Simultaneous Localization and Mapping,SLAM）技术是增强现实（Augmented Reality）的核心技术之一。然而,现有的RGB-D SLAM系统几乎只针对静态场景设计,当场景中出现动态物体时,现有系统的位姿估计会出现较大偏差,从而造成估计位姿的漂移。本文提出了一个能在动态场景中准确估计相机位姿的RGB-D SLAM系
随着深度学习的发展,人工智能热潮兴起,自动驾驶、移动机器人等技术成为当前的研究热点。这些智能化应用中,双目视觉技术被广泛使用,而立体匹配是双目视觉技术的关键。近年来,卷积神经网络在立体匹配任务中表现出了良好的性能。然而,基于深度学习的立体匹配方法通常使用空间共享的卷积权值,这导致现有方法面临着一个困境,即适合于在平滑区域聚合上下文信息的权值往往会模糊纹理区域的局部匹配细节,反之亦然。本文旨在设计一
近些年来深度学习在不断地发展,它在人脸检测、语音识别等领域都发挥出了重要作用。在现在的大数据时代,越来越多的数据可以被建模成图关系,例如化合物分子、社交网络等。图结构数据中的每个节点都包含其特征与其他节点的联系关系,图神经网络则可以利用这些信息来完成例如节点分类、图分类、链路预测等任务。但现有的应用于图分类任务的图池化模型大多是通过复杂的度量方法来计算节点重要性,但这相应的会导致计算复杂度的提升。
交通事故无时无刻不威胁着人们的生命以及财产安全,特别是近年来,由交通事故造成的损失已经不容忽视。为尽量避免由于行车环境复杂与驾驶员处于非正常行车状态而导致交通事故的产生,基于计算机视觉技术来实现辅助驾驶已经成为一个热点的研究问题,开发安全可靠的车载辅助变道系统和驾驶员状态实时监测系统就有着重要的实用价值。本文主要研究了实时场景车辆变道安全提醒算法设计和驾驶员状态监测算法设计以及它们在嵌入式AI芯片
【目的】本实验拟通过静电纺丝技术制备一种负载碱性成纤维细胞生长因子（b FGF）的胶原-氧化石墨烯纳米纤维电纺膜,给创面提供一个良好的愈合微环境,并观察其促进创面愈合的效果,拟为临床创面愈合提供新思路。【方法】首先通过傅里叶红外光谱、拉曼光谱、扫描电镜（SEM）和拉力测试等材料学检测,来对比不同浓度的胶原（COL）及氧化石墨烯（GO）所制备的纳米纤维电纺膜的理化性能,选择最适合创面愈合的配比;然后
工业互联网当中多节点传感器数据融合是重要发展趋势,但随之而来的问题是数据量的增大与通信带宽的限制之间的矛盾,同时工业检测的实时性要求也难以保障。在数据产生的上游端口对数据进行压缩从而降低通信系统的压力是解决该问题一种行之有效方法。本论文基于实际工程项目中的该问题进行了相关研究,搭建了一个基于嵌入式平台的图像压缩系统,其压缩性能达到预期设计目标。具体工作如下:（1）在对经典无损压缩算法两种主要类型进
医学影像分割是计算机辅助诊疗应用中的关键任务。随着深度学习技术的飞速发展,基于深度学习的医学影像分割方法已经取得了显著的成效。然而,医学影像分割任务中由于数据的获取设备、标准等差异性,来自不同中心、不同设备的影像之间往往存在严重的领域漂移问题,从而导致分割模型在不同域数据上的性能下降。为了解决这一问题,医学影像中无监督域自适应研究逐渐兴起。尽管近期的无监督域自适应工作在医学影像分析领域已经取得了一